空间统计

01

为什么地理打破规则

经典统计里几乎每一种方法，都建立在独立观测的假设之上——知道一个数据点，告诉不了你关于下一个的任何东西。空间数据公然违反这一点：知道 一个街区的值，告诉你很多关于它邻居的事。这种空间自相关意味着你的有效样本量比它看上去 的要小（邻近的点携带冗余的信息），所以普通的分析报告过度自信的结果——并不存在的 显著性、被共同位置吹胀的相关。

所以空间统计做两件事：它度量空间依赖（有没有模式，在哪里？），并在模型里考虑它， 好让结论保持诚实。两者都从一个奠基性的想法出发。

02

地理学第一定律

托布勒的地理学第一定律把它说得很直白：「万物彼此相关，但近的东西比远的东西更 相关。」那是整个领域的引擎。空间自相关可以是正的（常见情形——相似的值聚在 一起，比如财富或温度），或者更罕见地，负的（高值系统性地紧挨着低值，像一张 棋盘）。下面这些度量的目标，是检测并量化正在发生的是哪一种、以及在哪里——把「那看起来很聚集」一个 模糊的印象，变成一个可检验的论断。

03

定义「邻居」

在你能度量空间关系之前，你必须把什么算作「近」形式化。那就是空间权重矩阵——对每一对 位置，一个说明它们有多连通的权重。常见的选择：邻接（共享一条边界的地区是邻居）、距离（k 公里之内的一切），或 k-最近（每个区域最近的 k 个其他区域）。

04

度量聚集：Moran's I

空间自相关的标准全局度量是 Moran's I。它本质上是空间的一个相关系数：它问一个位置的值是否倾向于与它邻居的值相匹配， 在整张地图上。

你不需要背公式——读它的行为。Moran's I 大致从 −1 跑到 +1：一个远高于 0的值意味着正 自相关（聚集——相似的值彼此邻近），接近 0意味着一个随机的空间模式，而低于 0意味着分散。关键的是，你要检验它的显著性（对照「随机排列」的零假设），这样你 就能说一个表面的聚集是真实的、还是很容易出于偶然——这正是发现一个真正的模式，与在云里看见人脸之间 的差别。

05

找到热点：LISA

Moran's I 对整张地图给出一个数字——但通常有趣的问题是聚集在哪里。LISA（空间关联局部指标）把这个全局的统计量分解成每个位置的一个值，揭示出局部的结构。 它把每个区域分类为属于一个：

• 高—高聚集——一个被高值包围的高值：一个真正的热点。
• 低—低聚集——一个冷点（低值之中的低值）。
• 高—低 / 低—高——空间离群值：一个与其周遭对着干的值（安全地区里 一个高犯罪的口袋），往往是所有情形里最有趣的。

这是热点分析的主力——找到统计上显著的集中之处，而不只是抢眼的，这正是你在对「问题在哪里最严重？」 采取行动之前所需要的。

06

空间回归：诚实的模型

当你建模一个空间的结果（收入能否预测各地区的健康？）时，如果残差有空间自相关，普通回归就无效了——独立性假设被打破，标准误在 撒谎。空间回归通过把空间结构建进模型里来修这个：

• 空间滞后模型——把邻居的结果值作为一个预测变量纳入，捕捉真正的溢出（一个地区的值被 它邻居的所塑造）。
• 空间误差模型——在误差项里考虑空间相关的未观测因素，好让推断保持诚实。

无论哪种方式，要点都与别处的因果纪律一样：尊重数据的 结构，否则你的自信是假的。

07

在点之间预测：克里金

最后一个大工具是空间预测。你在散落的位置上测量了一个值（气象站的降雨、采样点的一种 污染物），想估计它在中间的每一处。克里金做这件事，而它比朴素的插值更聪明：它 使用测量出的空间自相关结构——相似性随距离衰减得有多快——在每个未采样的点上做出统计上最优的 预测，还附带一个不确定性估计。

它是时间序列页上那些预测想法的空间兄弟（在空间上 插值，而非在时间上外推），也是你把一小撮采样点变成一个连续、诚实的曲面的方式——带着那个关键的告诫： 你离任何真实的测量越远，不确定性就越大。

08

它在我工作中的体现

09

60 秒回顾

托布勒定律、Moran's I / LISA 热点框架、空间权重，以及克里金，反映了当前的空间统计参考文献以及 统计学课程。